Een humanoïde die eindelijk zijn benen gebruikt
Op 30 juli publiceerde Google DeepMind Gemini Robotics 2, en de demonstratie die de aankondiging draagt toont een Apptronik Apollo 2 die loopt, hurkt, zich uitstrekt en een rommelige kamer opruimt. De technische claim eronder is smaller en interessanter dan de beelden: voor het eerst stuurt het systeem een volledige humanoïde aan, benen, romp, armen en handen met meerdere vingers, via één enkele policy in plaats van een loopregelaar die op een aparte manipulatiestack is geschroefd.
Daar zit het ingenieurswerk. Een robot die moet kiezen tussen een stap dichterbij of verder reiken lost één probleem op en niet twee, en de vorige generatie kon die afweging niet maken omdat haar helften apart werden bestuurd. Gemini Robotics 2 voert ook taken van enkele minuten uit met honderden beslismomenten, terwijl het samenwerkt met een tweede robot.
Drie modellen, drie verschillende deuren
De uitgave is niet één ding. Het zijn Gemini Robotics 2, een vision-language-action-model dat volledige humanoïden en tweearmige robots aanstuurt; Gemini Robotics ER 2, een belichaamd redeneermodel dat als planningsbrein werkt, meerstapswerk ordent en meerdere machines dirigeert; en Gemini Robotics On-Device 2, een versie die lokaal draait zonder netwerkverbinding.
De toegangsniveaus volgen de aankondiging niet. Gemini Robotics ER 2 is nu via Google AI Studio beschikbaar voor elke ontwikkelaar, met een besloten preview op het Gemini Enterprise Agent Platform. Beide modellen die daadwerkelijk robotacties voortbrengen blijven beperkt tot geregistreerde partners met vroege toegang. Het model dat u vandaag kunt aanroepen redeneert over een fysieke scène en levert een plan. De modellen die een machine bewegen zitten achter een hek.
Lees de hele tabel, niet de beste regel
Google publiceerde slaagpercentages per taak, meer openheid dan dit soort aankondigingen doorgaans bevat, en die cijfers verdienen het volledig gelezen te worden. Op een Apollo met Inspire-handen scoorde algemene manipulatie met het hele lichaam 76,3 procent bij het pakken uit een schap, 68,4 procent vanaf een tafel en 45,7 procent vanaf de vloer. Op een Franka Duo met grijpers zijn de resultaten sterker: 74,2 procent bij algemeen pakken en plaatsen, 78,9 procent bij het klaarzetten van uiteenlopend gereedschap en 89,6 procent bij nauwkeurig invoegen.
De eerlijkheid zit in de multivingerresultaten. Het losdraaien van een lamp haalde 92 procent. De overige multivingertaken bleven tussen 32 en 44 procent steken. Zestig punten spreiding binnen één vaardigheid is geen afronding, het is het signaal dat behendigheid een onderzoeksprobleem blijft met enkele opgeloste hoeken. Wie u de 92 noemt zonder de 32 verkoopt u de demonstratie.
Het getal dat de economie verandert is 200
Onder de humanoïdebeelden ligt het gegeven met commerciële gevolgen. DeepMind meldt dat een nieuwe tweearmige robotvorm in enkele uren kan worden aangepast met minder dan 200 voorbeelden, ondanks verschillen in vorm, sensoren en vrijheidsgraden, en noemt naast de Apollo- en Franka-hardware de platforms Dexmate, SO101 en Trossen.
Dataverzameling per robot was de structurele kostenpost van de industriële robotica. Elke nieuwe arm, grijper of frame vroeg historisch om een eigen teleoperatiecampagne, en die uitgave hield capabele modellen vastgeklonken aan de hardware waarop ze getraind waren. Als een paar honderd voorbeelden een policy werkelijk overzetten tussen robotvormen, verschuift de drempel van dataverzameling naar integratie, en integratie is iets wat een middelgroot Nederlands machinebouwbedrijf al weet te verkopen.
Wat een Europese exploitant hier in 2026 echt mee kan
Het bruikbare product dit kwartaal is het redeneermodel, en dat is niet niks. ER 2 accepteert video, begrijpt een fysieke scène, ordent meerstapstaken en coördineert meer dan één machine, wat aansluit op inspectieroutes, het sequencen van magazijntaken en planningslagen boven robots die u al heeft. Het is vandaag vanuit Europa bereikbaar via Google AI Studio en is de juiste plek voor een kleine, afgebakende pilot.
Wat het niet draagt is een investeringsplan. Google positioneert dit als onderzoek in een vroege fase zonder consumentenuitrol op korte termijn, elke getoonde handeling vereiste eigen training via teleoperatie, video en simulatie, en Engadget wees op de geschiedenis van de sector met humanoïdedemonstraties die stilletjes op verborgen bedieners leunden. DeepMind introduceerde daarnaast ASIMOV-Agentic, een maatstaf voor de vraag of een opgedragen handeling schadelijk kan aflopen, en robotica-hoofd Carolina Parada verwoordde het onomwonden: "Er zal veel onzekerheid opduiken, en daarom wil je de veiligheidsvraag dieper kunnen begrijpen." Begroot een pilot van de planner, niet een humanoïde aan uw lijn.
Lees hierna: 87 jaar sneuvelde door een antwoord dat iedereen kan narekenen | Googles vlaggenschipmodel is te laat en heeft geen nieuwe datum
